一、reindex() 方法：重新索引
針對 Series
重新索引指的是根據index參數重新進行排序。
如果傳入的索引值在數據里不存在，則不會報錯，而是添加缺失值的新行。
不想用缺失值，可以用 fill_value 參數指定填充值。
例如：
fill_value 會讓所有的缺失值都填充為同一個值，如果不想這樣而是用相鄰的元素（左或者右）的值填充，則可以用 method 參數，可選的參數值為 ffill 和 bfill，分別為用前值填充和用后值填充：
針對 DataFrame
重新索引操作：
二、drop() 方法：丟棄數據
針對 Series
針對 DataFrame
不僅可以刪除行，還可以刪除列：
三、索引、選取和過濾
針對 Series
需要注意一點的是，利用索引的切片運算與普通的 Python 切片運算不同，其末端是包含的，既包含最后一個的項。比較：
賦值操作：
針對 DataFrame
DataFrame 中的 ix 操作：
四、算術運算和數據對齊
針對 Series
將2個對象相加時，具有重疊索引的索引值會相加處理；不重疊的索引則取並集，值為 NA：
針對 DataFrame
對齊操作會同時發生在行和列上，把2個對象相加會得到一個新的對象，其索引為原來2個對象的索引的並集：
和Series 對象一樣，不重疊的索引會取並集，值為 NA；如果不想這樣，試試使用 add() 方法進行數據填充：
五、函數應用和映射
將一個 lambda 表達式應用到每列數據里：
除了lambda 表達式還可以定義一個函數：
六、排序
針對 Series
針對 DataFrame
七、排名
八、帶有重復值的軸索引
索引不強制唯一，例如一個重復索引的 Series：
安裝步驟已經在首篇隨筆里寫過了，這里不在贅述。
利用Python進行數據分析(1) 簡單介紹
接下來一篇隨筆內容是：利用Python進行數據分析(9) pandas基礎: 匯總統計和計算，有興趣的朋友歡迎關注本博客，也歡迎大家添加評論進行討論。